Optimasi Susunan Bahan Makanan Untuk Ibu Hamil Kurang Energi Kronis (KEK) Menggunakan Algoritme Genetika

Oktaviandita, Ika (2017) Optimasi Susunan Bahan Makanan Untuk Ibu Hamil Kurang Energi Kronis (KEK) Menggunakan Algoritme Genetika. Sarjana thesis, Universitas Brawijaya.

Abstract

Masa kehamilan merupakan masa kritis tumbuh kembang manusia, yang tidak hanya berpengaruh pada kesehatan ibu hamil namun juga pada janin yang dikandung. Oleh karenanya, selama masa kehamilan ibu hamil disarankan untuk menjaga kecukupan gizi terutama energi dan protein. Kecukupan gizi tersebut akan sangat berpengaruh terhadap kesehatan, kecerdasan, perkembangan otak serta produktivitas janin yang dikandung. Asupan gizi yang tidak mencukupi akan menyebabkan ibu hamil berisiko mengalami Kurang Energi Kronis (KEK). Pada penelitian ini akan diberikan rekomendasi susunan bahan makanan yang memiliki gizi seimbang dengan harga minimal menggunakan algoritme genetika. Proses pencarian solusi adalah dengan melakukan kombinasi kromosom lalu diproses menggunakan operator genetika (crossover, mutasi, dan seleksi). Proses pindah silang (crossover) menggunakan metode one cut point, metode mutasi yang digunakan adalah exchange mutation, dan proses seleksi menggunakan metode seleksi elitism. Parameter algoritme genetika yang dibutuhkan adalah ukuran populasi, Crossover rate (Cr), Mutation rate (Mr), dan jumlah generasi. Pada sistem ini diperoleh hasil optimasi terbaik pada ukuran populasi sebanyak 100 populasi dengan rata-rata nilai fitness 17,744, nilai Cr sebesar 0,5 dan nilai Mr sebesar 0,5 dengan rata-rata nilai fitness 17,983, dan pada jumlah generasi 100 dihasilkan rata-rata nilai fitness sebesar 17,962. Hasil yang diperoleh adalah rekomendasi susunan bahan makanan selama 7 hari beserta biaya yang harus dikeluarkan. Namun hasil tersebut masih belum memenuhi kebutuhan ibu hamil secara maksimal.

English Abstract

The period of pregnancy is a critical period of human growth, which not only affects the health of pregnancy but also in the fetus is conceived. Therefore, women during pregnancy are advised to maintain nutritional adequacy, especially energy and protein. Adequacy of these nutrients will greatly affect the health, intelligence, brain development and productivity of the fetus. Inadequate nutrition intake will cause pregnant women at risk of Chronic Lack of Energy or in Indonesian called as Kurang Energi Kronis (KEK). In this research given recommendations of the composition of foodstuffs that have balanced nutrition with minimal price using genetic algorithm. The process of finding a solution is to perform a combination of chromosomes and then processed using genetic operators (crossover, mutation, and selection). Crossover process using one cut point method, mutation method used is exchange mutation, and selection process using selection elitism method. Need of parameters of genetic algorithm are population size, Crossover rate (Cr), Mutation rate (Mr), and number of generations. In this system obtained the best optimization results on the population size of 100 population with average fitness value 17.744, Cr value of 0.5 and the value of Mr of 0.5 with average fitness value 17.983, and on the number of generations 100 generated average Average fitness value of 17.962. The results obtained recommendations of the composition of foodstuffs for 7 days along with the costs to be incurred. However, these results still do not meet the maximal needs during pregnancy.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2017/700/051708212
Uncontrolled Keywords: Ibu Hamil Kurang Energi Kronis, Gizi, Algoritme Genetika
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.1 Programming
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Yusuf Dwi N.
Date Deposited: 11 Oct 2017 04:22
Last Modified: 17 Jun 2022 03:39
URI: http://repository.ub.ac.id/id/eprint/3580
[thumbnail of Ika Oktaviandita.pdf] Text
Ika Oktaviandita.pdf

Download (7MB)

Actions (login required)

View Item View Item